文章标题:我打造了自己的 AI agent 编排工具
正文: 我运行大量 AI 编码 agent,经常同时运行约 10 个,如果把 subagent 也算上,轻松达到 20 个。用我手头的工具,这意味着我会忘掉那些重要的 agent,也从不知道什么时候某个 agent 需要我,所以我整天轮询它们。回到一个搁置的项目让人精疲力竭,因为上下文已经没了。
我应付的是大量标签页和大段文字。
所以我打造了自己的 AI agent 编排工具:一张地图。它叫 Agentic Crafting Table(ACT),是开源的,我在 Checkly 的几位同事现在也在用。自从我开始这样工作,我每周合并的 PR 数量最多是之前六个月的两倍,而且感觉不像在抛接杂耍。

我不需要记住自己在交付某个功能时进行到哪里。地图会记住。
如果你想打造自己的工具,我希望这篇文章能给你启发,并帮你省下一些时间。
我最初尝试了什么
我先试了最显而易见的东西。
一个终端复用器,每个 agent 一个窗格,对两个 agent 还行,到六个就不行了:每个窗格看起来都一样,要回答“这个是不是在等我?”意味着要读大量文字。
每个任务一个聊天应用看起来更舒服,但有同样的问题,而且工单、Slack 线程和 RFC 仍然在其他窗口里,或者埋在对话深处。
我真的很喜欢自由形式白板和图表应用的那种风格,但它们没有我的 agent 的实时视图。
它们大多让我读一大段文字来获取上下文,而且没有一个把相关信息保持在离工作很近的地方。
我真正想要的
大多数 AI 工具仍然停留在产物的层面:编辑器、agent、它的输出。
我不需要在已经能用的工具之上再加一层,比如用 GitHub 做代码评审、用 Linear 做工单。我想要的是围绕它们的东西。
我想要的是在我整天实际做的事情之上加一层:收集支持信息和证据,管理写代码、评审代码、发布并验证代码的 agent。而且我需要围绕这一切的上下文始终容易触及。
什么是 Agentic Crafting Table?
Agentic Crafting Table(ACT)是一个开源桌面应用,把你所有的工作放在一张可缩放的地图上。每个项目是它自己的街区,每一项工作都是地图上的一个条目:一个 agent 会话、一张工单、一条笔记、一个 PR、一次评审、一次 rollout。你把条目链接起来,以显示什么喂给什么。
Agent 就是普通的 Claude Code 或 Codex 会话,在项目文件夹里启动。ACT 给它们一个 MCP server,这样它们就能读取地图,并把自己的东西放上去。而且因为会话在 ACT 内部运行,应用知道 agent 什么时候停下或提问。这就是最终进入“Needs me”面板的内容:一个列出所有在等我的事情的列表,比如 agent 的问题、评审发现和失败的 rollout。

两条规则指导设计:
- 一次只聚焦一个条目。其他一切作为上下文保持在地图上可见,而不是在另一个标签页里。
- Agent 可以改变地图上的一切。如果一个大型项目需要放到地图上,agent 会把它放上去,我马上就能开始。
图表:演示:一个 agent 把整个项目放到地图上。
我如何用 ACT 交付一个功能
这是我如今一个正常的功能开发日的样子。
1. 从上下文开始
它始于一个 Slack 线程、一张工单、一些会议笔记,或者只是一个待办事项。还有一个 agent。我在地图上把上下文链接到 agent,这样它就有了所需的东西。

2. 与代理一起编写规格
我在代理会话里写规格。有时我们用 Claude artifacts,有时我会链接一个 Notion 页面。
3. 让代理去构建
规格完成后,我告诉代理去实现它,然后就不管了。我继续过自己的日子,可能还会推进几个其他功能。
代理完成后,我会收到通知。到那时,它已经把它产出的所有东西都放到了地图上,包括 PR,并且已经在 Claude 和 Codex 里为我启动了审查。
4. 审查
默认情况下,ACT 可以在每个 PR 上启动代理审查。它把发现的问题展示给我,这样我就能挑选需要修复的内容,而我选中的内容会直接回到写代码的那个代理那里。对于较大的 PR,我有时会先跑几轮这样的审查,然后再自己在 GitHub 上读代码。

有些 PR 非常大,所以对于这些 PR,我会使用“Explain architecture”技能,它是 ACT 的一部分,实际上只是一个非常短的提示词。它会生成可视化的 Claude artifacts,从高层面上解释这个 PR 是关于什么的。
5. 发布并验证
每次发布都有 AI 辅助。流水线本身仍然是我们在 Checkly 的常规 GitHub Actions;ACT 会监视它,在 PR 准备好时合并,并批准各个门禁。
在每个门禁之前,ACT 会启动一个代理,它会阅读代码、读取基线数据,并检查为该服务配置的指标。它还会复用你在该仓库中为代理定义的任何测试策略。代理会链接支撑其结论的仪表盘,如果出现问题,它会引起我的注意。如果我需要与验证代理交谈,我可以把它放到地图上。

对于可以安全发布的小改动,还有 Auto Deploy,其中一个环境通过验证后会自动启动下一阶段。
6. 归档
当功能上线后,我会把整条链路发送到“the undermap”,那是地图下方的一个存档,如果我需要,可以在那里找回所有这些上下文。
图表:Demo:一个功能从 PR 到发布,再到 the undermap 的过程。
我是如何构建它的
我像向同事解释那样向 Claude 解释这个项目:问题、地图的想法,以及我希望在地图上看到什么。然后我要了一个完整的原型,而不是一份计划。
那个原型是错的。这没关系,原型就是干这个的。在一个坏掉的 UI 里拖来拖去,同时说“不,代理放在这里,工单输入到它里面”,要比事先把这一点写进规格里容易得多。
我们不断迭代,直到原型做好了一件事:在画布上显示我的代理会话,并告诉我哪些已经停止了。那就是概念验证,而且它已经修复了轮询问题。

从那以后,每个大功能都经历了同样的循环:描述它、拿到原型、摆弄它、迭代、保留能存活下来的部分。小东西我没有做原型。这里一个徽章,那里一个快捷方式,一个新条目类型:我把这些一次性交给子代理,让它们落到看板上,而我去做别的事。用上一天,然后要么留着,要么扔掉。
内部机制
文章标题:我打造了自己的 AI Agent 编排工具
正文: ACT 的核心是一个 Electron 应用,用 TypeScript 编写,UI 基于 React。地图构建在 React Flow 之上,我在其上叠加了自己的缩放层级、轮廓和条目视图。
所有数据都保存在你的机器上。一个后台 workspace 服务是唯一写入数据库的东西,数据库就是普通的 SQLite,而且它在窗口关闭后仍会继续运行。一个独立的 supervisor 进程掌管终端(xterm.js 和 node-pty)并记录它们的输出,因此会话在应用重启后仍能继续运行并保留滚动缓冲。
Agent 的接入方式是 MCP。每个 agent 会话都有自己专属的小型 MCP 服务器,由它转发到 workspace 服务,因此 agent 从不直接接触数据库。通过它,agent 可以读取地图、添加条目和链接,并获取我与它连接的任何内容的上下文。Claude Code 和 Codex 以它们真实的 CLI 运行,带上你已配置好的所有设置。ACT 只监听它们的状态。GitHub 和其他提供商的 token 保存在操作系统的凭据存储中。
让它适配你的工作流
我的交付方式并非每个人的交付方式,这就是为什么 ACT 中的一切都可以扩展:你可以通过插件系统添加任何你想要的条目。告诉 agent“我想要 Figma 出现在 ACT 里”(或者 Teams、DeepSeek),然后让它去看插件文档。
有只想在公司内部使用的工作流?把插件放到私有仓库里,和你的团队共享。
我学到了什么
AI 的真正好处之一,是我可以构建自己真正想要的工具。但 vibecoded 出来的工具并不是打磨好的工具:在大规模地图上性能可能会下降,有些概念也还没完成。比如 undermap,最初只是一个“归档”,我至今仍不确定它到底是一个可以回去的地方,还是一个回收站。
如果重来,我会做这些不同的选择:
- 更早让别人参与进来。我独自用了几周,但一旦让 Checkly 的所有人都能用上,他们就添加了我根本想不到的功能,并修复了我没发现的 bug。
- 用设置取代讨论。我有清晰的愿景,但其他人有其他的工作流,ACT 需要适配每一个人,而不是规定一种方式。现在我让人们添加他们想要的功能,并让这些功能可选。
- 把设计规则写在 agent 能读到的地方。“一个焦点,上下文在地图上”从第一天起就在我脑子里,但我直到好几个功能已经偏离它之后才把它写下来。
现在 Checkly 有几个人在用 ACT,他们的工作流和我的完全不同。仓库的很大一部分是他们的贡献:
- shiini2:Projects 面板、遍布各处的键盘快捷键、在应用内更新并重启、在地图上直接打开的 Claude artifacts
- MegaMaddin:浅色模式、把 GitHub issues 作为地图条目、在 PR 上内联显示 GitHub 图片附件
- timohuovinen:Windows 和 Linux 支持、正式的 Codex 集成、边关注和径向菜单、跟随 /fork 和 /resume 的 agent 会话
在 Checkly,我们构建的监控会在出问题时告诉你,这样你就不必一直盯着看。ACT 出自同一个理念:别让我盯着所有东西,有事需要我时再告诉我。
ACT 是开源的。如果你的工作流需要一个尚不存在的条目,添加它并提交 PR:github.com/pelzerim/agentic-crafting-table。
如果 ACT 不符合你的思维方式,那就 vibecode 你自己的。我的工作方式可能和你的截然不同,而现在我们每个人都能快速构建适合自己的东西。
更多来自 Checkly 工程团队的内容:我们用 Go 让 AI Agent 重写了一个每天处理 9200 万条消息的服务。零事故。